[發明專利]水質參數反演模型的訓練方法、水質監測方法及裝置

在審

• 申請號: 202110059467.3
• 申請日: 2021-01-18
• 公開（公告）號: CN112378866A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 梁碧苗;王昊;王夢涵;王宇翔;廖通逵;張宇;劉思奧;周曉媛
• 申請（專利權）人: 航天宏圖信息技術股份有限公司
• 主分類號: G01N21/25
• 分類號: G01N21/25;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超成律師事務所 11646
• 代理人: 孔默

1.一種水質參數反演模型的訓練方法，其特征在于，包括：

獲取目標時間段內的水質參數和高光譜數據；

對所述高光譜數據進行波段處理，得到多波段光譜數據；

對所述水質參數與所述多波段光譜數據進行相關性分析，并將相關性最大的若干個波段對應的多波段光譜數據作為目標光譜數據；

基于所述水質參數和所述目標光譜數據構建的訓練集，對預先構建的反向傳播神經網絡進行訓練，直至所述反向傳播神經網絡達到收斂，得到水質參數反演模型。

2.根據權利要求1所述的水質參數反演模型的訓練方法，其特征在于，所述對所述高光譜數據進行波段處理，得到多波段光譜數據，包括：

對所述高光譜數據進行去噪，得到去噪后的所述高光譜數據；

對去噪后的所述高光譜數據進行輻射校正，得到輻亮度數據；

對所述輻亮度數據進行大氣校正，得到反射率數據；

對所述反射率數據進行幾何校正，得到所述多波段光譜數據。

3.根據權利要求2所述的水質參數反演模型的訓練方法，其特征在于，所述對所述高光譜數據進行去噪，得到去噪后的所述高光譜數據，包括：

將所述高光譜數據中出現條紋噪聲的波段圖像轉換為頻率圖；

基于所述頻率圖，確定所述條紋噪聲的周期性分布；

根據所述周期性分布，去除所述高光譜數據中的條紋噪聲，得到去噪后的所述高光譜數據。

4.根據權利要求1所述的水質參數反演模型的訓練方法，其特征在于，所述對所述水質參數與所述多波段光譜數據進行相關性分析，并將相關性最大的若干個波段對應的多波段光譜數據作為目標光譜數據，包括：

對所述多波段光譜數據中的單波段進行歸一化，得到第一光譜數據；

對所述第一光譜數據進行一階差分，得到第二光譜數據；

對所述第二光譜數據進行二階差分，得到第三光譜數據；

對所述水質參數與所述第一光譜數據、第二光譜數據及第三光譜數據進行相關性分析；

將相關性最大的若干個波段對應的光譜數據作為所述目標光譜數據。

5.根據權利要求1所述的水質參數反演模型的訓練方法，其特征在于，所述基于所述水質參數和所述目標光譜數據構建的訓練集，對預先構建的反向傳播神經網絡進行訓練，直至所述反向傳播神經網絡達到收斂，得到水質參數反演模型之前，還包括：

將所述水質參數與所述目標光譜數據以預設比例拆分為所述訓練集、驗證集和測試集。

6.根據權利要求5所述的水質參數反演模型的訓練方法，其特征在于，所述將所述水質參數與所述目標光譜數據以預設比例拆分為所述訓練集、驗證集和測試集之后，還包括：

將所述測試集中的目標光譜數據輸入所述水質參數反演模型，輸出測試結果；

計算所述測試結果與所述測試集中的水質參數之間的平均相對誤差；

基于所述平均相對誤差，確定所述水質參數反演模型的反演效果。

7.一種水質監測方法，其特征在于，包括：

獲取高光譜數據；

對所述高光譜數據進行波段處理，得到多波段光譜數據；

利用預設的水質參數反演模型對所述多波段光譜數據進行水質監測，得到所述高光譜數據對應的水質參數結果，所述水質參數反演模型通過權利要求1所述的訓練方法訓練得到。

8.一種水質參數反演模型的訓練裝置，其特征在于，包括：

第一獲取模塊，用于獲取目標時間段內的水質參數和高光譜數據；

第一處理模塊，用于對所述高光譜數據進行波段處理，得到多波段光譜數據；

分析模塊，用于對所述水質參數與所述多波段光譜數據進行相關性分析，并將相關性最大的若干個波段對應的多波段光譜數據作為目標光譜數據；

訓練模塊，用于基于所述水質參數和所述目標光譜數據構建的訓練集，對預先構建的反向傳播神經網絡進行訓練，直至所述反向傳播神經網絡達到收斂，得到水質參數反演模型。